Quan parlem de Big Data ens referim a conjunts de dades o combinacions de conjunts de dades la grandària de les quals (volum), complexitat (variabilitat) i velocitat de creixement (velocitat) dificulten la seua captura, gestió, processament o anàlisi mitjançant tecnologies i eines convencionals dins del temps necessari perquè siguen útils.
La naturalesa complexa del Big Data es deu principalment a la naturalesa no estructurada de gran part de les dades generades per les tecnologies modernes, com els weblogs, la identificació per radiofreqüència (RFID), els sensors incorporats en dispositius, la maquinària, els vehicles, les cerques en Internet, les xarxes socials com Facebook, computadores portàtils, telèfons intel·ligents i altres telèfons mòbils, dispositius GPS i registres de centres de trucades.
El que fa que Big Data siga tan útil per a moltes empreses és el fet que proporciona respostes a moltes preguntes que les empreses ni tan sols sabien que tenien. En altres paraules, proporciona un punt de referència. Amb una quantitat tan gran d'informació, les dades poden ser modelats o provats de qualsevol manera que l'empresa considere adequada. En fer-ho, les organitzacions són capaces d'identificar els problemes d'una forma més comprensible. La recopilació de grans quantitats de dades i la cerca de tendències dins de les dades permeten que les empreses es moguen molt més ràpidament, sense problemes i de manera eficient. També els permet eliminar les àrees problemàtiques abans que els problemes acaben amb els seus beneficis o la seua reputació.
Beneficis per a l’economia i les empreses:
L'anàlisi de Big Data ajuda a les organitzacions a aprofitar les seues dades i utilitzar-los per a identificar noves oportunitats. Això, al seu torn, condueix a moviments de negocis més intel·ligents, operacions més eficients, majors guanys i clients més feliços. Les empreses amb més èxit amb Big Data aconsegueixen valor de les següents formes:
- Reducció de cost. Les grans tecnologies de dades, com Hadoop i l'anàlisi basada en el núvol, aporten importants avantatges en termes de costos quan es tracta d'emmagatzemar grans quantitats de dades, a més d'identificar maneres més eficients de fer negocis.
- Més ràpid, millor presa de decisions. Amb la velocitat d'Hadoop i l'analítica en memòria, combinada amb la capacitat d'analitzar noves fonts de dades, les empreses poden analitzar la informació immediatament i prendre decisions basades en el que han aprés.
- Nous productes i serveis. Amb la capacitat de mesurar les necessitats dels clients i la satisfacció a través d'anàlisi ve el poder de donar als clients el que volen. Amb l'analítica de Big Data, més empreses estan creant nous productes per a satisfer les necessitats dels clients.
Alguns exemples de caràcter més social que econòmic:
- Cura de la salut: El Big Data apareix en grans quantitats en la indústria sanitària. Els registres de pacients, plans de salut, informació d'assegurances i altres tipus d'informació poden ser difícils de manejar, però estan plens d'informació clau una vegada que s'apliquen les analítiques. És per això que la tecnologia d'anàlisi de dades és tan important per a la cura de la salut. En analitzar grans quantitats d'informació - tant estructurada com no estructurada - ràpidament, es poden proporcionar diagnòstics o opcions de tractament quasi immediatament.
- Administració: L'administració es troba davant un gran desafiament: mantindre la qualitat i la productivitat amb uns pressupostos ajustats. Això és particularment problemàtic amb el relacionat amb la justícia. La tecnologia agilita les operacions mentre que dona a l'administració una visió més holística de l'activitat.
Alguns desafiamentsals quals s'enfronta la qualitat de dades de Big Data són:
- Moltes fonts i tipus de dades. Amb tantes fonts, tipus de dades i estructures complexes, la dificultat d'integració de dades augmenta.
- Enorme volum de dades, i això complica l'execució d'un procés de qualitat de dades dins d'un temps raonable.
- Molta volatilitat. Les dades canvien ràpidament i això fa que tinguen una validesa molt curta. Per a solucionar-ho necessitem un poder de processament molt alt. Si no ho fem bé, el processament i anàlisi basada en aquestes dades pot produir conclusions errònies, que poden portar a cometre errors en la presa de decisions.
- No existeixen estàndards de qualitat de dades unificades. Aquestes normes necessiten madurar i perfeccionar-se.
